データスムージングの定義と例|

概要：

データスムージング は、 （例）：

たとえば、大学が過去10年間の犯罪データを分析しているとしましょう。暴力犯罪の件数は次のようになります。

ご覧のように、大学では年間15件以下の犯罪が発生しています。しかし、2006年と2007年には、大学の公共安全チームによる実験的報告要件のために44件の経験がありました。報告された実験では、暴力犯罪の定義が変更され、その間にあらゆる種類の盗難が行われ、キャンパス内の「暴力的」犯罪の数が大幅に増加しました。これらの年を平均に含めると、つまりデータを平滑化すると、大学では年間平均約19件の暴力犯罪が発生しました。しかし、その年を離れると、より現実的な平均は13の暴力犯罪であり、32％の差があることがわかります。

重要な理由：

データの円滑化には、平均とアルゴリズム。データの平滑化により、パターンが見やすくなり、株価、顧客動向などのビジネス情報の変化を予測することができます。しかし、データスムージングは​​重要な情報を見落としたり、重要な事実を目立たなくすることができます。言い換えれば、データの「四捨五入」によって特定のデータが強調され、他のデータは無視される可能性があります。